Çok kriterli karar verme yöntemlerine alternatif bir yöntem önerisi: bütünleştirici referans noktası yaklaşımı

Abstract

Günlük hayatta karşılaşılan seçim, tercih veya sınıflandırma problemleri literatürde Karar Verme konusu içerisinde ele alınmaktadır. Karar verme konusu kendi içerisinde iki temel kısma ayrılmaktadır. Bunlardan ilki olan Çok Amaçlı Karar Verme’de (ÇAKV) alternatif yapısı tasarlanmaya ve fayda düzeyi optimize edilmeye çalışılırken, Çok Kriterli Karar Verme’de (ÇKKV) ise mevcut alternatiflerden elden edilen fayda düzeyinin maksimize edilmesi amaçlanmaktadır. Literatürde bu amaç ile önerilen birçok ÇKKV yöntemi bulunmaktadır. Bu çalışmada ise “Bütünleştirici Referans Noktası Yöntemi” adı verilen yeni bir yöntem, mevcut ÇKKV yöntemlerine alternatif bir yöntem olarak önerilmiştir. Memnuniyet fonksiyonu ve referans değer yaklaşımı, önerilen yöntemin temel esaslarını oluşturmaktadır. Fayda düzeyini doğrusal olmayan eşik değer yaklaşımı ile ele alan memnuniyet fonksiyonu, literatürde yer alan Gauss eğrisinden türetilmiştir. Referans değer yaklaşımı ise karar vericilerin tercihlerini gerçeğe daha uygun bir şekilde modellemeye yarayan bir kavramdır. Çalışmada, önerilen yöntemin diğer ÇKKV yöntemleri ile benzerlikleri, farklılıkları ve diğer yöntemlerden üstünlüklerinden bahsedilmiş ve yöntemin işlem adımları ayrıntılı bir şekilde anlatılmıştır. Keshavarz Ghorabaee vd. (2015)’nin çalışmalarında kullandıkları karar problemi, önerilen yöntem ve diğer 15 farklı ÇKKV yöntemi ile çözülmüş ve elde edilen sonuçlar karşılaştırılmıştır. Ayrıca simülasyon ile oluşturulan farklı boyuttaki çok sayıda karar verme problemleri ve bir gerçek hayat problemi, olarak bilgisayar seçim problemi önerilen yöntem ve diğer yöntemler ile çözülmüştür. Önerilen yöntemden ve diğer ÇKKV yöntemlerinden elde edilen sonuçlar, Spearman ve Pearson korelasyon değerleri ve bu değerler kullanılarak çizilen Çok Boyutlu Ölçekleme grafikleri yardımıyla karşılaştırılmıştır. Elde edilen sonuçlara göre önerilen yöntem, kriterlerin ağırlık değerlerine orta seviyede duyarlı ve diğer yöntemler ile korelasyon ortalaması olarak yüksek seviyede uyumludur. Bu nedenlerle önerilen yöntemin, özellikle referans değeri farklılaşabilen yöntemlere göre tercih edilebilir bir yöntem olduğu düşünülmektedir.

In the literature selection, preference or classification problems encountered in daily life are handled in the subject of Decision Making. The decision making is divided into two main parts, Multi-Attribute Decision Making (MADM) and Multi-Criteria Decision Making (MCDM). MADM tries to design an alternative structure and to optimize the level of utility, while MCDM aims to maximize the level of benefit obtained from the existing alternatives. In the literature, there are many MCDM methods. In this study, a new method called “Integrative Reference Point Approach” has been proposed as an alternative method to existing MCDM methods. Satisfaction Function and reference value approach constitute the basic principles of the proposed method. The Satisfaction Function, which deals with the benefit level with a nonlinear threshold approach, is derived from the Gauss curve in the literature. The reference value approach is a concept that allows decision makers to model their preferences in a more realistic way. In the study, the similarities, differences and superiorities of the proposed method with other MCDM methods are mentioned and the application steps of the method have been explained in detail. The decision problem that Keshavarz Ghorabaee et al. (2015) used in their studies has been solved by the proposed method and 15 different MCDM methods and the results have been compared. In addition, a large number of different decision making problems have been generated by simulation and computer selection problem as a real life problem have been solved with the proposed and other methods. The results obtained from the proposed method and other MCDM methods have been compared with the help of Spearman and Pearson correlation values and Multidimensional Scaling graphs drawn using these values. The results have been shown that the proposed method is moderately sensitive to criteria weights and highly compatible with other methods in terms of correlation means. It is concluded that the proposed method is a preferable method compared to other methods whose reference value may differ.